TCIG : génération d'images contrôlée en deux étapes avec amélioration de la qualité via diffusion

Ces dernières années, des progrès significatifs ont été réalisés dans le développement des modèles de génération d'images à partir de texte. Cependant, ces modèles rencontrent encore des limites concernant la pleine contrôlabilité pendant le processus de génération. Souvent, un entraînement spécifique ou l'utilisation de modèles limités est requis, et même dans ce cas, ils présentent certaines restrictions. Pour relever ces défis, une méthode en deux étapes qui combine efficacement la contrôlabilité et une haute qualité dans la génération d'images est proposée. Cette approche exploite le savoir-faire de modèles pré-entraînés pour obtenir un contrôle précis sur les images générées, tout en tirant parti de la puissance des modèles de diffusion pour atteindre une qualité de pointe. En séparant la contrôlabilité de la haute qualité, cette méthode obtient des résultats remarquables. Elle est compatible avec les modèles de diffusion en espace latent et en espace d'images, assurant ainsi polyvalence et flexibilité. De plus, cette approche produit de manière constante des résultats comparables aux méthodes actuelles les plus avancées dans le domaine. Dans l'ensemble, cette méthode proposée représente une avancée significative dans la génération d'images à partir de texte, permettant une meilleure contrôlabilité sans compromettre la qualité des images générées.